#入门/基本结构
PCL 1.x中的基本数据类型是PointCloud。
PointCloud是一个包含以下数据字段的C ++类：
宽度width (int)
在点数中指定点云数据集的宽度。宽度有两个含义：
它可以指定点的云中的总数（equal with the number of elements in points - 见下文），用于无组织的数据集;
它可以指定有组织的点云数据集的宽度（连续点的总数）。
注意：
一个有组织的点云数据集是赋予点云类似于一个有组织的图像（或矩阵）状的结构，其中，数据被划分为行和列的名称。这种点云的例子包括来自立体相机或飞行时间相机（TOF相机）的数据。有组织的数据集的优点在于，通过了解相邻点（例如像素）之间的关系，最近邻的操作效率更高，从而加快了计算速度，降低了PCL中某些算法的成本。
注意：
可投影的点云数据集是给予点云的名称，其根据针孔相机模型在有组织的点云中的点(u,v)的索引与实际的3D值之间具有相关性。这种相关性可以用最简单的形式表示为：u = f * x / z和v = f * y / z
例子：
cloud.width = 640; // there are 640 points per line
高度height (int)
在点数中指定点云数据集的高度。高度有两层含义：
它可以指定有组织的点云数据集的高度（总行数）
对于未组织的数据集它被设置为1（因此用于检查数据集是否被组织）。
例：
cloud.width = 640; // Image-like organized structure, with 640 rows(行) and 480 columns(列),
cloud.height = 480; // thus 640*480=307200 points total in the dataset
例：
cloud.width = 307200;
cloud.height = 1; // unorganized point cloud dataset with 307200 points
点points (std::vector<PointT>)
包含存储所有PointT类型的点的数据数组。例如，对于包含XYZ数据的云，点包含pcl :: PointXYZ元素的向量：
pcl::PointCloud<pcl::PointXYZ> cloud;
std::vector<pcl::PointXYZ> data = cloud.points;
is_dense (bool)
指定点中的所有数据是有限的（true）还是某些点的XYZ值可能包含Inf / NaN值（false）。
sensor_origin_ (Eigen::Vector4f)
指定传感器采集姿态（原点origin/转换translation）。这个成员通常是可选的，并且不被PCL中的大多数算法使用。
sensor_orientation_ (Eigen::Quaternionf)
指定传感器采集姿势（方向orientation）。这个成员通常是可选的，并且不被PCL中的大多数算法使用。
为了简化开发，PointCloud类包含一些辅助成员函数。例如，用户不必检查代码中的高度(height)是否等于1，以查看是否组织数据集，代替使用PointCloud()：
if (!cloud.isOrganized ())
...
所述PointT类型是主点数据类型并描述了点的每个元素都包含着什么。PCL带有大量不同的点类型，大部分在添加自定义的PointT类型教程中进行了解释。
#编译你的第一个代码示例
在找到合适的最小代码示例之前，请查看在你自己的项目中使用PCL并编写新的PCL类教程，以了解如何编译和编写代码或使用PCL。